Sitemap

Η τεχνολογία και οι τεχνικές δημιουργίας περιεχομένου που πρόκειται να επιδείξω σε αυτήν τη στήλη φαίνονται εκτός μυθιστορήματος επιστημονικής φαντασίας, αλλά είναι πραγματικές και ελεύθερα προσβάσιμες τώρα.

Αφού ολοκλήρωσα τα πειράματα κωδικοποίησης και άρχισα να γράφω αυτό το κομμάτι, αναλογίστηκα τις θετικές και αρνητικές συνέπειες της κοινής χρήσης αυτών των πληροφοριών δημόσια.

Όπως θα δείτε, είναι σχετικά εύκολο τώρα η παραγωγή περιεχομένου που δημιουργείται από μηχανή και η ποιότητα των γενεών βελτιώνεται γρήγορα.

Αυτό με οδήγησε στο θλιβερό συμπέρασμα ότι θα βλέπαμε πολύ περισσότερα ανεπιθύμητα αποτελέσματα από πριν.

Ευτυχώς, η Google κυκλοφόρησε πρόσφατα την αναφορά ανεπιθύμητης αλληλογραφίας του 2019 που με έκανε να χαλαρώσω.

Κοιτάξετε ποτέ τον φάκελο ανεπιθύμητης αλληλογραφίας σας;Έτσι μπορεί να φαίνονται τα αποτελέσματα αναζήτησης χωρίς τα βήματα που κάνουμε για την καταπολέμηση των ανεπιθύμητων μηνυμάτων αναζήτησης.Η σημερινή μας ανάρτηση εξετάζει τον τρόπο με τον οποίο εργαζόμαστε για να κρατήσουμε τα ανεπιθύμητα μηνύματα από τα αποτελέσματα αναζήτησης της Google https://t.co/RA4lUoDXEF

— Google SearchLiaison (@searchliaison) 9 Ιουνίου 2020

«Πέρυσι, παρατηρήσαμε ότι περισσότερες από 25 δισεκατομμύρια από τις σελίδες που βρίσκουμε κάθε μέρα είναι ανεπιθύμητες. (Αν καθεμία από αυτές τις σελίδες ήταν μια σελίδα σε ένα βιβλίο, αυτό θα ήταν περισσότερα από 20 εκατομμύρια αντίτυπα του «War & Peace» κάθε μέρα!)

Οι προσπάθειές μας βοήθησαν να διασφαλίσουμε ότι περισσότερο από το 99% των επισκέψεων από τα αποτελέσματά μας οδηγούν σε εμπειρίες χωρίς ανεπιθύμητα μηνύματα.

Τα τελευταία χρόνια, παρατηρήσαμε αύξηση των ανεπιθύμητων ιστότοπων με περιεχόμενο που δημιουργείται αυτόματα και αποκόπτεται με συμπεριφορές που ενοχλούν ή βλάπτουν τους χρήστες, όπως πλαστά κουμπιά, συντριπτικές διαφημίσεις, ύποπτες ανακατευθύνσεις και κακόβουλο λογισμικό.Αυτοί οι ιστότοποι είναι συχνά παραπλανητικές και δεν προσφέρουν πραγματική αξία στους ανθρώπους.Το 2019, μπορέσαμε να μειώσουμε τον αντίκτυπο στους χρήστες της Αναζήτησης από αυτόν τον τύπο ανεπιθύμητων μηνυμάτων κατά περισσότερο από 60% σε σύγκριση με το 2018.

Ενώ η Google αναφέρει έναν εκπληκτικό αριθμό ανεπιθύμητων σελίδων ανά ημέρα, αναφέρει ένα εντυπωσιακό ποσοστό επιτυχίας 99% στην καταστολή ανεπιθύμητων μηνυμάτων σε όλους τους τομείς.

Το πιο σημαντικό, έχουν σημειώσει απίστευτη πρόοδο στην καταστολή του ανεπιθύμητου περιεχομένου που δημιουργείται από μηχανή.

Σε αυτήν τη στήλη, θα εξηγήσω με κώδικα πώς ένας υπολογιστής μπορεί να δημιουργήσει περιεχόμενο χρησιμοποιώντας τις πιο πρόσφατες εξελίξεις στο NLG.

Θα εξετάσω τη θεωρία και ορισμένες οδηγίες για να διατηρήσω το περιεχόμενό σας χρήσιμο.

Αυτό θα σας βοηθήσει να αποφύγετε να κολλήσετε με όλα τα ανεπιθύμητα μηνύματα ιστού που η Google και η Bing εργάζονται όλο το εικοσιτετράωρο για να απαλλαγούν από αυτά.

Σελίδες Λεπτού Περιεχομένου

Στο άρθρο μου σχετικά με τη δημιουργία τίτλου και μετα-περιγραφών, μοιράστηκα μια αποτελεσματική τεχνική που βασίζεται στη σύνοψη του περιεχομένου της σελίδας για την παραγωγή μετα-ετικέτες.

Μόλις ακολουθήσετε τα βήματα, μπορείτε να δείτε ότι λειτουργεί πολύ καλά και μπορεί ακόμη και να παράγει πρωτότυπα κείμενα υψηλής ποιότητας.

Τι γίνεται όμως αν οι σελίδες δεν περιλαμβάνουν περιεχόμενο για σύνοψη;Η τεχνική αποτυγχάνει.

Επιτρέψτε μου να σας πω ένα πολύ έξυπνο κόλπο για να το λύσετε αυτό.

Εάν τέτοιες σελίδες έχουν ποιοτικούς συνδέσμους επιστροφής, μπορείτε να χρησιμοποιήσετε το κείμενο αγκύρωσης και το κείμενο που περιβάλλει τον σύνδεσμο επιστροφής ως κείμενο για σύνοψη.

Περίμενε!

Μα γιατί?

Επιτρέψτε μου να επιστρέψω στο 1998, στην ίδρυση της μηχανής αναζήτησης Google.

Στην εργασία που περιγράφει τη νέα μηχανή αναζήτησής τους, ο Page και ο Brin μοιράστηκαν μια πολύ ενδιαφέρουσα εικόνα στην ενότητα 2.2.

«Οι περισσότερες μηχανές αναζήτησης συσχετίζουν το κείμενο ενός συνδέσμου με τη σελίδα στην οποία βρίσκεται ο σύνδεσμος. Επιπλέον, το συσχετίζουμε με τη σελίδα στην οποία οδηγεί ο σύνδεσμος. Αυτό έχει πολλά πλεονεκτήματα. Πρώτον, οι άγκυρες παρέχουν συχνά πιο ακριβείς περιγραφές των ιστοσελίδων από τις ίδιες τις σελίδες. Δεύτερον, μπορεί να υπάρχουν άγκυρες για έγγραφα που δεν μπορούν να ευρετηριαστούν από μια μηχανή αναζήτησης που βασίζεται σε κείμενο, όπως εικόνες, προγράμματα και βάσεις δεδομένων. Αυτό καθιστά δυνατή την επιστροφή ιστοσελίδων που δεν έχουν πραγματικά ανιχνευτεί."

Εδώ είναι το τεχνικό σχέδιο:

  1. Θα λάβουμε backlinks και αντίστοιχα κείμενα αγκύρωσης χρησιμοποιώντας τα νέα Εργαλεία Webmaster του Bing.
  2. Θα ξύσουμε το περιβάλλον κείμενο από backlinks υψηλότερης ποιότητας.
  3. Θα δημιουργήσουμε περιλήψεις και περιεχόμενο μεγάλης μορφής χρησιμοποιώντας το αποκομμένο κείμενο.

Αναφορά Επιστροφής συνδέσμων Εργαλείων για Webmasters Bing

Ένα χαρακτηριστικό που μου αρέσει στο νέο εργαλείο backlinks στο BWT, είναι ότι μπορεί να παρέχει συνδέσμους που δεν δείχνουν μόνο τον δικό σας ιστότοπο, αλλά και ορισμένους άλλους ιστότοπους.

Αναμένω ότι θα γίνει μια δημοφιλής δωρεάν εναλλακτική λύση στα επί πληρωμή εργαλεία.

Εξήγα το αρχείο CSV με τη μεγάλη λίστα συνδέσμων και αγκυρώσεων, αλλά όταν προσπάθησα να το φορτώσω χρησιμοποιώντας Python panda και βρήκα ορισμένα ζητήματα μορφοποίησης.

Τα τυχαία κείμενα αγκύρωσης μπορεί να περιλαμβάνουν κόμματα και να προκαλούν προβλήματα με ένα αρχείο οριοθετημένο με κόμμα.

Τα έλυσα ανοίγοντας το αρχείο σε Excel και αποθηκεύοντάς το σε μορφή Excel.

Απόξεση περιβάλλοντος κειμένου με Python

Όπως μπορείτε να δείτε στο στιγμιότυπο οθόνης μου παραπάνω, πολλά από τα κείμενα αγκύρωσης είναι αρκετά σύντομα.

Μπορούμε να ξύσουμε τις σελίδες για να πάρουμε την παράγραφο που τις περιέχει.

Αρχικά, ας φορτώσουμε την αναφορά που εξάγαμε από το BWT.

import pandas as pddf = pd.read_excel("www.domain.com_ReferringPages_6_7_2020.xlsx")df.head()

Εξέτασα τη διεύθυνση URL στόχου με βάση τον αριθμό των εισερχόμενων συνδέσμων που χρησιμοποιήθηκαν.

df.groupby("Target Url").count().tail()

Τράβηξα τα backlinks από μια από τις σελίδες για να αξιολογήσω την ιδέα χρησιμοποιώντας αυτόν τον κώδικα.

backlinks = set(df[df["Target Url"] == "https://domain.com/example-page"]["Source Url"])

Τώρα, ας δούμε πώς μπορούμε να χρησιμοποιήσουμε μια διεύθυνση URL-στόχου και έναν σύνδεσμο επιστροφής για να τραβήξουμε το σχετικό κείμενο αγκύρωσης που περιλαμβάνει την άγκυρα.

Αρχικά, ας εγκαταστήσουμε το requests-html.

!pip install requests-htmlfrom requests_html import HTMLSessionsession = HTMLSession()

Για να διατηρήσω τον κώδικα απλό, πρόκειται να δημιουργήσω χειροκίνητα έναν επιλογέα CSS για να συλλάβω το κείμενο που περιβάλλει τον σύνδεσμο.

Δεν είναι δύσκολο να υπολογιστεί αυτό δεδομένου του συνδέσμου και της αγκύρωσης στη σελίδα χρησιμοποιώντας κώδικα JavaScript ή Python.

Ίσως είναι καλή ιδέα να το δοκιμάσετε ως εργασία.

Ανοίξτε ένα παράδειγμα σελίδας backlink και χρησιμοποιώντας τα Εργαλεία προγραμματιστή του Chrome, μπορείτε να κάνετε δεξί κλικ στην παράγραφο που σας ενδιαφέρει και να αντιγράψετε έναν επιλογέα CSS.

Αυτός είναι ο επιλογέας που χρησιμοποίησα.

with session.get(url) as r:    selector="#entry-78782 > div.asset-content.entry-content > div > p:nth-child(5)"    paragraph = r.html.find(selector, first=True)    text = paragraph.text

Αυτό είναι το κείμενο που επέστρεψε.Έβαλα έντονη γραφή στο κείμενο του παραδείγματός μας anchor text.

Γνωρίζουμε ότι η διατήρηση των δασκάλων βελτιώνει τα αποτελέσματα για τους μαθητές και, αντιστρόφως, ότι η εναλλαγή των δασκάλων μπορεί να βλάψει την επίδοση των μαθητών.Περίπου το 16 τοις εκατό των εκπαιδευτικών εγκαταλείπουν το χώρο κάθε χρόνο και γνωρίζουμε ότι πολλοί δάσκαλοι, όπως εγώ, φεύγουν μέσα στα πρώτα πέντε χρόνια.Οι δάσκαλοι αναφέρουν ότι οι μεγαλύτεροι λόγοι που φεύγουν είναι η έλλειψη αυτονομίας και φωνής, παράλληλα με θέματα πολιτισμού και, ειδικότερα, πειθαρχίας.Επιπλέον, ο κύκλος εργασιών είναι δαπανηρός - συντομεύει περιφέρειες άνω των 2,2 δισεκατομμυρίων δολαρίων ετησίως.

Τώρα, ας πάμε στο διασκεδαστικό κομμάτι!

Δημιουργία νευρωνικού κειμένου

Θα χρησιμοποιήσουμε τον ίδιο κώδικα περίληψης που χρησιμοποιήσαμε για τη δημιουργία τίτλων και μετα-περιγραφών στο προηγούμενο άρθρο μου, αλλά με μια ανατροπή.

Αντί να προσδιορίσουμε ένα επιθυμητό μήκος σύνοψης μικρότερο από την αρχική παράγραφο, θα καθορίσουμε μεγαλύτερο μήκος.Θα λειτουργήσει αυτό;Ας δούμε!

!pip install transformersfrom transformers import pipelinesummarizer = pipeline('summarization')generated_text = summarizer(text, min_length=150, max_length=250)print(generated_text)

Λαμβάνω αυτήν την ενδιαφέρουσα προειδοποίηση.

Το max_length έχει οριστεί σε 250, αλλά το input_length είναι μόνο 99.Μπορείτε να εξετάσετε το ενδεχόμενο να μειώσετε το max_length με μη αυτόματο τρόπο, π.χ. summarizer('…', max_length=50)

Ας δούμε το κείμενο που δημιουργήθηκε.

[{'summary_text': "Around 16 percent of educators leave the field every year. Teachers report that the biggest reasons they leave are lack of autonomy and voice, alongside issues of culture and discipline. Turnover is costly, shorting districts upwards of $2.2 billion a year, according to a report by the National Council of Teachers of English, the nation's largest teacher organization. The report also found that teacher retention improves outcomes for students, and conversely, that teacher turnover can harm student achievement. The study was published in the Journal of Education, published by Simon & Schuster, a division of Penguin Random House, on November 14. For more, visit www.simonandschuster.com. For confidential support, call the National Suicide Prevention Lifeline at 1-800-273-8255 or visit http://www.suicidepreventionlifeline.org/."}]

Το αρχικό κείμενο είχε 492 χαρακτήρες και το κείμενο που δημιουργήθηκε 835.

Αλλά, κοιτάξτε την ποιότητα και τις πρωτότυπες προτάσεις που εμφανίζονται στο κείμενο που δημιουργείται.Απολύτως, συναρπαστικό!

Μπορεί αυτή η τεχνική να δημιουργήσει ακόμα μεγαλύτερο κείμενο;Ναί!

generated_text = summarizer(text, min_length=300, max_length=600)print(generated_text)[{'summary_text': "Around 16 percent of educators leave the field every year. Teachers report that the biggest reasons they leave are lack of autonomy and voice, alongside issues of culture and discipline. Turnover is costly, shorting districts upwards of $2.2 billion a year, according to a report by the National Council of Teachers of English, the nation's largest teacher organization. The report also found that teacher retention improves outcomes for students, and conversely, that teacher turnover can harm student achievement. The study was published in the Journal of Education, published by Simon & Schuster, a division of Penguin Random House, on November 14. For more, visit www.simonandschuster.com. For confidential support, call the National Suicide Prevention Lifeline at 1-800-273-8255 or visitxa0http://www.suicidepreventionlifeline.org/. For support in the U.S., call the Samaritans on 08457 90 90 90 or visit a local Samaritans branch, see www.samaritans.org for details. In the UK, contact the National College of Education on 0300 123 90 90, orxa0 visitxa0the Samaritansxa0in the UK. For help in the United States, callxa0thexa0National Suicide Prevention Line on 1xa0800xa0273xa08255,xa0orxa0inxa0the UK on 0800xa0123xa09255. For support on suicide matters in thexa0U.S. call thexa0Nationalxa0Collegexa0of Education,xa0Englandxa0on 08457xa090 90 90. For information on suicide prevention in the UK andxa0Europe, visit the Nationalxa0College of England and Wales."}]

Αυτό το κείμενο που δημιουργείται έχει 1.420 χαρακτήρες και διατηρεί τη λογική ροή!

Το θηρίο που τροφοδοτεί αυτήν την τεχνική είναι ένα μοντέλο από το Facebook που ονομάζεται BART.

Οι συντάκτες της εργασίας το περιγράφουν ως γενικευμένη μορφή BERT.

Ας δούμε πώς λειτουργεί αυτό.

Πώς λειτουργεί η δημιουργία νευρωνικών κειμένων

Έχετε κάνει τεστ επάρκειας ή IQ όπου σας παρουσιάζεται μια ακολουθία αριθμών και πρέπει να μαντέψετε τον επόμενο;

Ουσιαστικά, αυτό έκανε το μοντέλο μας παραπάνω όταν δώσαμε κάποιο αρχικό κείμενο και ζητήσαμε από τα μοντέλα μας να προβλέψουν τι θα ακολουθήσει.

Μετέτρεψε το αρχικό μας κείμενο σε μια ακολουθία αριθμών, μάντεψε τον επόμενο αριθμό και πήρε τη νέα ακολουθία που περιλαμβάνει τον μαντευμένο αριθμό και επανέλαβε την ίδια διαδικασία ξανά.

Αυτό συνεχίζεται μέχρι να φτάσει το όριο μήκους που καθορίσαμε.

Τώρα, αυτοί δεν είναι απλώς κανονικοί αριθμοί, αλλά διανυσματικές και πιο συγκεκριμένα (στην περίπτωση του BERT και του BART) αμφίδρομες ενσωματώσεις λέξεων.

Εξήγησα διανύσματα και αμφίδρομη ενσωμάτωση λέξεων χρησιμοποιώντας μια αναλογία GPS στα άρθρα μου σε βάθος μάθησης μέρος 1 και μέρος 2.Φροντίστε να τα ελέγξετε.

Συνοπτικά, οι ενσωματώσεις κωδικοποιούν πλούσιες πληροφορίες σχετικά με τις λέξεις που αντιπροσωπεύουν, γεγονός που αυξάνει δραματικά την ποιότητα των προβλέψεων.

Λοιπόν, εδώ είναι ένα παράδειγμα για το πώς λειτουργεί αυτό.

Δεδομένου του κειμένου: «Η καλύτερη γλώσσα προγραμματισμού για SEO που κάνουν επαναλαμβανόμενες εργασίες είναι ____ και για SEO που κάνουν ελέγχους στο front-end είναι ____», ζητάμε από το μοντέλο να συμπληρώσει την πρόταση.

Το πρώτο βήμα είναι να μετατρέψετε τις λέξεις σε αριθμούς/ενσωματώσεις, όπου κάθε ενσωμάτωση προσδιορίζει τη λέξη στο πλαίσιο.

Στη συνέχεια, μετατρέψτε το σε ένα παζλ που μπορεί να λύσει ο υπολογιστής για να καταλάβει τους αριθμούς/ενσωματώσεις που μπορούν να συμπληρώσουν τα κενά με βάση το πλαίσιο.

Ο αλγόριθμος που μπορεί να λύσει αυτούς τους τύπους παζλ ονομάζεται γλωσσικό μοντέλο.

Ένα μοντέλο γλώσσας είναι παρόμοιο με τους γραμματικούς κανόνες στα αγγλικά ή σε οποιαδήποτε άλλη γλώσσα.

Για παράδειγμα, εάν το κείμενο είναι ερώτηση, πρέπει να τελειώνει με ερωτηματικό.

Η διαφορά είναι ότι όλες οι λέξεις και τα σύμβολα αντιπροσωπεύονται με αριθμούς/ενσωματώσεις.

Τώρα, εκεί που γίνεται ενδιαφέρον είναι ότι στη βαθιά εκμάθηση (αυτό που χρησιμοποιούμε εδώ), δεν χρειάζεται να δημιουργήσετε με μη αυτόματο τρόπο μια μεγάλη λίστα γραμματικών κανόνων.

Το μοντέλο μαθαίνει τους κανόνες εμπειρικά μέσω αποτελεσματικής δοκιμής και λάθους.

Αυτό γίνεται κατά τη διάρκεια αυτού που ονομάζεται φάση προεκπαίδευσης, όπου τα μοντέλα εκπαιδεύονται σε ένα τεράστιο σύνολο δεδομένων για αρκετές ημέρες και χρησιμοποιώντας πολύ ισχυρό υλικό.

Το καλύτερο μέρος για εμάς είναι ότι τα αποτελέσματα αυτών των προσπαθειών γίνονται δωρεάν για χρήση από οποιονδήποτε.

Δεν είμαστε πραγματικά τυχεροί;

Το BERT είναι ένα παράδειγμα γλωσσικού μοντέλου, όπως και το GPT-2 και το BART.

Πώς να το χρησιμοποιήσετε για καλό

Όπως ανέφερα παραπάνω, αυτό το υλικό είναι πραγματικά ισχυρό και θα μπορούσε να χρησιμοποιηθεί για την παραγωγή άχρηστου περιεχομένου σε κλίμακα σχετικά φθηνά.

Προσωπικά δεν θα ήθελα να χάσω χρόνο βαδίζοντας στα σκουπίδια ενώ ψάχνω.

Με τον καιρό, συνειδητοποίησα ότι για να αποδώσει το περιεχόμενο στην αναζήτηση, χρειάζεται:

  • Να εισαι χρησιμος.
  • Ικανοποιήστε μια πραγματική ανάγκη.

Εάν δεν το κάνει, ανεξάρτητα από το αν είναι υπολογιστή ή ανθρώπινης παραγωγής, δεν θα λάβει καμία δέσμευση ή επικύρωση από τους τελικούς χρήστες.

Οι πιθανότητες κατάταξης και απόδοσης είναι πολύ χαμηλές.

Γι' αυτό προτιμώ τεχνικές όπως η περίληψη και η μετάφραση ή η ερώτηση/απάντηση όπου έχετε μεγαλύτερο έλεγχο στη γενιά.

Μπορούν να σας βοηθήσουν να βεβαιωθείτε ότι προσθέτετε νέα αξία.

Κοινοτικά Έργα & Πηγές Εκμάθησης

Προσπάθησα να διατηρήσω αυτό το άρθρο απλό σε κώδικα και τις εξηγήσεις όσο το δυνατόν απλούστερες για να επιτρέψω σε περισσότερα άτομα στην κοινότητα να συμμετάσχουν στη διασκέδαση.

Αλλά, αν είστε πιο τεχνικά διατεθειμένοι, νομίζω ότι θα απολαύσετε αυτή την πιο αναλυτική και μαθηματική εξήγηση του θέματος.

Φροντίστε επίσης να ακολουθήσετε τους συνδέσμους στην «Ενότητα περαιτέρω ανάγνωσης» στο συνδεδεμένο άρθρο παραπάνω.

Τώρα, σε μερικά συναρπαστικά νέα.

Ζήτησα από την κοινότητα να μοιραστεί τα έργα Python στα οποία εργάζονται.Περίμενα ίσως μια χούφτα, και ήμουν εντελώς έκπληκτος από το πόσους επέστρεψα. #DONTWAIT 🐍🔥

Αυτό είναι Python και JS, αλλά θα το βάλω ούτως ή άλλως!Επέκταση Chrome για την εξάλειψη ανεπιθύμητων μηνυμάτων στους Χάρτες Google.Ο κώδικας διακομιστή είναι σε Python και κάνει επικύρωση και ταξινόμηση διευθύνσεων. pic.twitter.com/Rvzfr5ku4N

— zchtodd (@zchtodd) 8 Ιουνίου 2020

1.RPA σε python για αυτοματοποίηση επαναλαμβανόμενων στιγμιότυπων οθόνης https://t.co/zyaafY0bcd
2.Search Console API + NLP για να ελέγξετε για σελίδες όπου η λέξη στον μετα-τίτλο δεν ταιριάζει με τα ερωτήματα που χρησιμοποιούνται από τους επισκέπτες: https://t.co/KsYGds7w1r

— Michael Van Den Reym (@vdrweb) 8 Ιουνίου 2020

3.Ελέγξτε τον κωδικό κατάστασης όλων των url με εμφανίσεις της κονσόλας αναζήτησης χρησιμοποιώντας το API της κονσόλας αναζήτησης https://t.co/qX0FxSoqgN

— Michael Van Den Reym (@vdrweb) 8 Ιουνίου 2020

Γεια σου Άμλετ!

Εργάζομαι σε έναν έλεγχο ανακατεύθυνσης με δυνατότητες ασαφούς αντιστοίχισης.

Θα υπάρχει ένα σημειωματάριο @GoogleColab, αλλά ιδανικά θα ήθελα επίσης να το αναπτύξω στο @streamlit, ώστε οι άνθρωποι να μπορούν να αξιολογούν την ποιότητα των ανακατευθύνσεων τους με 1 κλικ, μέσω μεταφοράς και απόθεσης.

Θα μοιραστώ σύντομα 🙂

— Charly Wargnier (@DataChaz) 9 Ιουνίου 2020

@hamletbatista https://t.co/oPt5M393Lu
Εργάστηκε σε αυτό χρησιμοποιώντας το @streamlit
Γράψτε πιο συναρπαστικούς τίτλους Meta.
Επεξηγητικό βίντεο: https://t.co/YvVoFMQ4FS

— Anubhav Bittoo Narula (@anubhavn22) 9 Ιουνίου 2020

Scrapear redes sociales y pasarlo por npl o Red neuronal para saber el sentimiento del escrito y de ahí sacar gráficas con datastudio o kibana (perdona que answera en español pero mi inglés es bastante mejorable)

— JaviLázaro (@JaviLazaroSEO) 8 Ιουνίου 2020

1.Ανάγνωση των αρχείων καταγραφής και δημοσίευση 5xx/4xx σε πραγματικό χρόνο για να χαλαρώσετε!
2.Πρόθεση λέξης-κλειδιού έναντι βαθμολογίας αντιστοίχισης διεύθυνσης URL.

— Venus Kalra (@venuskalra) 9 Ιουνίου 2020

https://t.co/9we85HXJgJ

— Marat Gaziev (@MaratGaziev) 9 Ιουνίου 2020

Κατασκευάζω ένα πακέτο για #SEO & διαδικτυακούς εμπόρους, το οποίο περιλαμβάνει μεταξύ άλλων:
– Ανιχνευτής
– Ελεγκτής robots.txt
– Έλεγχος SERP
– Μετατροπέας χάρτη ιστότοπου σε DataFrame
– Μετατροπέας URL σε DataFrame

και άλλα 🙂 https://t.co/BMVeeQaTxE

— Ηλίας Ντάμπας (@eliasdabbas) 9 Ιουνίου 2020

Κάποια ανάλυση περιεχομένου με το Beautiful Soup + το Knowledge box API + Cloud Entity API!🐍🐍🐍

— Jess αλλά 6 πόδια μακριά (@jessthebp) 8 Ιουνίου 2020

Περισσότεροι πόροι:


Πιστώσεις εικόνας

Όλα τα στιγμιότυπα οθόνης που λαμβάνονται από τον συγγραφέα, Ιούνιος 2020

Tutte le categorie: Ιστολόγιο